比较在熊猫数据框中不起作用的字符串？答案

【问题标题】：Comparison of strings not working in pandas dataframe?比较在熊猫数据框中不起作用的字符串？
【发布时间】：2019-11-25 09:32:30
【问题描述】：

我正在根据字符串比较为我的 df（导入的 CSV 文件）制作掩码，但似乎 .contains 有效，但 == 无效。

这个掩码使用.contains:

mask = (y_train['SEPSISPATOS'].str.contains('Yes')) | (y_train['SEPSHOCKPATOS'].str.contains('Yes')) | (y_train['OTHSYSEP'].str.contains('Sepsis')) | (y_train['OTHSESHOCK'].str.contains('Septic Shock'))

返回这个输出（注意最后一行）：

SEPSISPATOS   SEPSHOCKPATOS   OTHSYSEP   OTHSESHOCK           SEPSISPATOS
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'Septic Shock'      1

而这另一个掩码使用直接比较

mask = (y_train['SEPSISPATOS']=='Yes') | (y_train['SEPSHOCKPATOS']=='Yes') | (y_train['OTHSYSEP']=='Sepsis') | (y_train['OTHSESHOCK']=='Septic Shock')

SEPSISPATOS   SEPSHOCKPATOS   OTHSYSEP   OTHSESHOCK           SEPSISPATOS
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'No Complication'   0
b'No'         b'No'  b'No Complication'  b'Septic Shock'      0

想知道我是否有字符串字节而不是 Python 3 Unicode 字符串，我尝试过解码（如下）。我也试过.str.strip()。两者都不起作用。我需要一个修复程序，让我可以对包含文本的任何列使用字符串之间的直接比较。

重新编辑：utf-8 解码

NSQIPdf_train = pd.read_csv("acs_nsqip_puf13_2.csv")
str_df=df.select_dtypes([np.object])
str_df=str_df.stack().str.decode('utf-8').unstack()
for col in str_df:
    NSQIPdf_train[col] = str_df[col]
y_train = NSQIPdf_train.loc[:,('SEPSISPATOS','SEPSHOCKPATOS', 'OTHSYSEP', 'OTHSESHOCK')]

这进一步加剧了我的问题......因为输出变为：

SEPSISPATOS   SEPSHOCKPATOS   OTHSYSEP   OTHSESHOCK        SEPSISPATOS
NaN            NaN            NaN        NaN               0
NaN            NaN            NaN        NaN               0
NaN            NaN            NaN        NaN               0
NaN            NaN            NaN        NaN               0

【问题讨论】：

y_train['SEPSHOCKPATOS'].str.==('Yes') 不是有效的 Python 语法
另外，'Yes' 周围的括号会分散注意力
最后，.str 是一个访问器，所以y_train['SEPSHOCKPATOS'].str == 'Yes' 并没有按照你的想法做（尝试打印y_train['SEPSHOCKPATOS'].str）
谢谢，我已经做出了这些更改并更新了原始帖子中的代码（第三块）以反映它，但 y_train['SEPSISPATOS']=='Yes' 似乎不起作用任何一个。与以前相同的输出。
.str.decode('utf-9') 应该是 utf-8

标签： string pandas dataframe encoding byte

【解决方案1】：

在进行比较之前使用.str.decode('utf-8') 将字节值转换为字符串（参见question）：

y_train['SEPSHOCKPATOS'].str.decode('utf-8') == 'Yes'

注意：我猜.str.contains 在后台进行了转换。

【讨论】：

我尝试了两个 y_train['SEPSHOCKPATOS'].str.decode('utf-8') == 'Yes'，结果和以前一样。根据您建议中的链接，我还尝试预先解码整个 df ，这实际上导致了更多问题。打印出 y_train['SEPSHOCKPATOS'].str.decode('utf-8') 给我 NaN。

【解决方案2】：

我是 Pandas 的新手，但也许 str.fullmatch 有帮助 - 一个更严格的 str.contains 版本，匹配整个字符串，因此，

y_train['SEPSHOCKPATOS'].str.fullmatch('Yes')

虽然请注意这实际上是在检查正则表达式，因此请注意您使用的字符串是否包含任何特殊字符。

【讨论】：